文献类型：期刊文章

作　　者：张新[1] 潘美芹[1] 邵福波[2] 贺国平[1]

机构地区：[1]山东科技大学信息科学与工程学院,山东青岛266510 [2]青岛滨海学院信息管理系,山东青岛266555

出　　处：《山东科技大学学报（自然科学版）》

基　　金：山东省自然科学基金项目(Y2008A01);山东省科技攻关项目(2009GG10001012)

年　　份：2009

卷　　号：28

期　　号：5

起止页码：85-89

语　　种：中文

收录情况：AJ、CAS、CSA、CSA-PROQEUST、MR、RCCSE、ZGKJHX、普通刊

摘　　要：为加快支持向量回归机在求解大样本集问题时的训练速度,提出了并行支持向量回归机。该方法根据核矩阵把数据集分成k个子集,通过并行预处理过滤掉非支持向量,再对剩余的支持向量进行训练得到决策函数。实验表明,本算法不仅预测准确度跟标准的分解算法基本一致,而且大大缩减训练时间,具有很高的加速比,同时需要的训练时间大大少于Graf等人提出的级联结构的算法,另外,算法还可有效地缩减支持向量的数目。

关 键 词：支持向量回归机 并行算法  核函数 分解算法  

分 类 号：TP181]